Kutipan
Skenario Perbaikan
Bug Semantik
Kerentanan Keamanan
Kesalahan Sintaks
Masalah Pemrograman
Peringatan Statis
Debug Mandiri
Ketik Kesalahan
Tes UI Web
Kontrak Cerdas
Bug Perangkat Keras
Bug Kinerja
Penyalahgunaan API
Bug Kecelakaan
Kasus Uji
Bukti Formal
Bug Terjemahan
Masalah GitHub
Tinjauan Kode
Perencana Gerakan
? Studi Manusia
? Penilaian Ketepatan Tambalan
Tolok ukur
? Survei APR Terkait
@article{zhang2024survey, title={Tinjauan Literatur Sistematis tentang Model Bahasa Besar untuk Perbaikan Program Otomatis}, author={Zhang, Quanjun dan Fang, Chunrong dan Xie, Yang dan Ma, Yuxiang dan Sun, Weisong dan Yang, Yun dan Chen , Zhenyu}, jurnal={arXiv pracetak arXiv:2405.01466}
tahun={2024}}tambahkan studi berbasis agen SE untuk Masalah GitHub
tambahkan Makalah ISSTA 2024
merilis versi baru makalah ini di arXiv
INTI: Menyelesaikan Masalah Kualitas Kode menggunakan LLM [2024-FSE]
Perbaikan Cepat: Kerentanan Teknologi Perbaikan Otomatis Berdasarkan Rekayasa Cepat [2024-ICNC]
Mengevaluasi Model Bahasa Besar untuk Perbaikan Kerentanan Dunia Nyata dalam Kode C/C++[2024-IWSPA]
Menyelidiki kemampuan model bahasa besar untuk perbaikan kode otomatis dengan Python[2024-Cluster Computing]
LPR: Pengurangan Program Berbantuan Model Bahasa Besar[2024-ISSTA]
Studi Kasus LLM untuk Perbaikan Kerentanan Otomatis: Menilai Dampak Penalaran dan Umpan Balik Validasi Patch (2024年7月) AIware 2024
Ketika Model Bahasa Besar Menghadapi Perbaikan Program Otomatis Tingkat Repositori: Seberapa Baik Kinerjanya? [2024-ICSE]
Menjelajahi Penyempurnaan Model Bahasa Besar yang Efisien Parameter pada Perbaikan Program Otomatis [2024-ASE]
Mengeksplorasi Potensi Perbaikan Program Berbasis Conversational Test Suite di SWE-bench [2024-arXiv]
Menjelajahi dan Meningkatkan Kekokohan Perbaikan Program Otomatis bertenaga LLM dengan Pengujian Metamorf [2024-arXiv] [makalah]
Divide-and-Conquer: Mengotomatiskan Revisi Kode melalui Lokalisasi-dan-Revisi [2024-TOSEM]
Dari Kode Menuju Kebenaran: Menutup Tahap Terakhir Pembuatan Kode dengan Debugging Hierarki [2024-arXiv] [makalah] [repo]
Perbaikan Program Otomatis untuk Tugas Pemrograman Pengantar [2024-TLT] [makalah]
Perbaikan Otomatis Kode AI dengan Model Bahasa Besar dan Verifikasi Formal [2024-arXiv] [makalah]
CraftRTL: Pembuatan Data Sintetis Berkualitas Tinggi untuk Model Kode Verilog dengan Representasi Non-Tekstual yang Benar Sesuai Konstruksi dan Perbaikan Kode yang Ditargetkan [2024-arXiv-NVIDIA] [kertas]
Pembandingan Perbaikan Program Otomatis: Studi Ekstensif tentang Bug di Dunia Nyata dan Bug Buatan [2024-ISSTA] [makalah]
Perbaikan program otomatis melalui percakapan: Memperbaiki 162 dari 337 bug seharga $0,42 masing-masing menggunakan chatgpt[2024-ISSTA] [kertas]
Memanfaatkan Model Bahasa Besar untuk Penilaian Kebenaran Patch Otomatis[2024-TSE] [makalah]
Perbaikan program otomatis untuk bug variabilitas dalam sistem lini produk perangkat lunak [2024-JSS] [kertas]
PyBugHive: Database Komprehensif dari Bug Python yang Dapat Direproduksi dan Divalidasi Secara Manual[Akses IEEE 2024] [makalah]
Bagaimana Memahami Seluruh Repositori Perangkat Lunak? [2024-arXiv] [makalah]
Perbaikan program otomatis untuk bug variabilitas dalam sistem lini produk perangkat lunak [2024-JSS] [kertas]
Pendekatan Debugging Terpadu melalui Sinergi Multi-Agen Berbasis LLM [2024-arxiv] [paper] [repo]
Seberapa Jauh Kita Dapat Melakukan Perbaikan Program Tingkat Fungsi Praktis? [2024-arxiv] [makalah] [repo]
Perbaikan program otomatis melalui percakapan: Memperbaiki 162 dari 337 bug seharga $0,42 masing-masing menggunakan chatgpt[2024-ISSTA] [kertas]
Versi Lama: Pertahankan Percakapan: Memperbaiki 162 dari 337 bug seharga $0,42 masing-masing menggunakan ChatGPT [2023-arxiv] [kertas]
Pendekatan Baru untuk Perbaikan Program Otomatis menggunakan Terjemahan Pulang Pergi dengan Model Bahasa Besar [2024-arxiv] [kertas] [repo]
Di Luar Konteks: Seberapa pentingkah Konteks Lokal dalam Perbaikan Program Neural? [2024-ICSE] [makalah] [repo]
Penyempurnaan Multi-Tujuan untuk Peningkatan Perbaikan Program dengan LLM [2024-arxiv] [kertas]
Menyelaraskan LLM untuk Perbaikan Program bebas FL [2024-arxiv] [kertas]
ContrastRepair: Meningkatkan Perbaikan Program Otomatis Berbasis Percakapan melalui Pasangan Kasus Uji Kontras [2024-arxiv] [kertas]
Menjelajahi Potensi Model Kode Bahasa Terlatih untuk Perbaikan Program Otomatis [2024-Elektronik] [makalah]
CigaR: Perbaikan Program Hemat Biaya dengan LLM [2024-arxiv] [paper] [repo]
Masalah Seleksi Fakta dalam Perbaikan Program Berbasis LLM [2024-arxiv] [paper] [repo]
Pendekatan Baru untuk Perbaikan Program Otomatis menggunakan Terjemahan Pulang Pergi dengan Model Bahasa Besar [2024-arxiv] [makalah] [repo]
Agen Perbaikan: Agen Otonom Berbasis LLM untuk Perbaikan Program [2024-arxiv] [kertas]
Mendalami Model Bahasa Besar untuk Pelokalan dan Perbaikan Bug Otomatis [2024-FSE/ESEC] [makalah]
Perbaikan Program Otomatis di Era Model Bahasa Besar yang telah dilatih sebelumnya [2023-ICSE] [makalah] [repo]
Perbaikan Hampir Generasi: Perbaikan Program Multibahasa dengan LLM [2023-AAAI] [makalah]
Seleksi cepat berbasis pengambilan untuk pembelajaran beberapa langkah terkait kode [2023-ICSE] [makalah] [repo]
Apa yang membuat demonstrasi dalam konteks bagus untuk tugas intelijen kode dengan llms? [2023-ASE] [makalah] [repo]
Pemrograman Otonom Sepenuhnya dengan Model Bahasa Besar [2023-GECCO] [makalah] [repo]
Perbaikan Program Otomatis Menggunakan Model Generatif untuk Pengisian Kode [2023-AIED] [kertas] [repo]
STEAM: Mensimulasikan Perilaku Interaktif Pemrogram untuk Perbaikan Bug Otomatis [2023-arxiv] [kertas]
Perbaikan program otomatis percakapan [2023-arxiv] [kertas]
Apakah ChatGPT adalah Asisten Pemrograman Utama--Seberapa jauh jangkauannya? [2023-arxiv] [makalah] [repo]
Menggunakan Model Bahasa Besar untuk Lokalisasi dan Perbaikan Bug [2023-iCAST] [makalah]
Studi Empiris tentang Menyempurnakan Model Kode Bahasa Besar untuk Perbaikan Program Otomatis [2023-ASE] [makalah] [repo]
Evaluasi Efektivitas ChatGPT OpenAI untuk Perbaikan Bug Program Python Otomatis menggunakan QuixBugs [2023-iSEMANTIC] [makalah]
Debugging Otomatis yang Dapat Dijelaskan melalui Debugging Ilmiah Berbasis Model Bahasa Besar [2023-arxiv] [kertas]
Anjuran yang Tepat untuk Pekerjaan: Memperbaiki Cacat Tinjauan Kode dengan Model Bahasa Besar [2023-arxiv] [kertas]
Dampak Model Bahasa Kode pada Perbaikan Program Otomatis [2023-ICSE] [makalah] [repo]
Menuju Menghasilkan Pengeditan Kode yang Benar Secara Fungsional dari Deskripsi Masalah Bahasa Alami [2023-arxiv] [makalah]
Hipotesis Bedah Plastik di Era Model Bahasa Besar [2023-ASE] [makalah] [repo]
Menjelajahi Batasan ChatGPT dalam Aplikasi Keamanan Perangkat Lunak [2023-arxiv] [makalah]
CodeScope: Tolok Ukur Multidimensi Multitugas Multibahasa Berbasis Eksekusi untuk Mengevaluasi LLM pada Pemahaman dan Pembuatan Kode [2023-arxiv] [makalah] [repo]
Meningkatkan Perbaikan Program Otomatis melalui Penyempurnaan dan Rekayasa Cepat [2023-arxiv] [paper] [repo]
Pelatihan Model Bahasa untuk Umpan Balik Pemrograman Menggunakan Alat Perbaikan Otomatis [2023-AIED] [makalah] [repo]
RepairLLaMA: Representasi Efisien dan Adaptor yang Diselaraskan untuk Perbaikan Program [2023-arxiv] [kertas] [repo]
Pengeditan Kode Otomatis dengan Search-Generate-Modify [2023-arxiv] [paper] [repo]
RAP-Gen: Pembuatan Patch Retrieval-Augmented dengan CodeT5 untuk Perbaikan Program Otomatis [2023-FSE/ESEC] [kertas] [repo]
Perbaikan Program Neural dengan Analisis Ketergantungan Program dan Mekanisme Filter Efektif [2023-arxiv] [makalah]
Kopi: Tingkatkan LLM Kode Anda dengan Memperbaiki Bug dengan Umpan Balik [2023-arxiv] [paper] [repo]
Studi tentang Desain Cepat, Keuntungan dan Keterbatasan ChatGPT untuk Perbaikan Program Pembelajaran Mendalam [2023-arxiv] [makalah]
Menyalin Kopilot: Menggabungkan Model Bahasa Besar dengan Mesin Penyelesaian untuk Perbaikan Program Otomatis [2023-FSE/ESEC] [makalah] [repo]
Gamma: Meninjau Kembali Perbaikan Program Otomatis Berbasis Template Melalui Prediksi Mask [2023-ASE] [kertas] [repo]
Kajian Ekstensif tentang Arsitektur Model dan Representasi Program dalam Domain Perbaikan Program Otomatis Berbasis Pembelajaran [2023-APR] [makalah] [repo]
Meningkatkan Perbaikan Program Otomatis dengan Adaptasi Domain [2023-TOSEM] [paper] [repo]
Meningkatkan Model Bahasa Kode untuk Perbaikan Program dengan Kerangka Penyempurnaan Kurikuler [2023-ICSME] [makalah]
Potensi penggunaan ChatGPT untuk debugging dan perbaikan bug [2023-] [kertas]
CIRCLE: Perbaikan Berkelanjutan di Seluruh Bahasa Pemrograman [2022-ISSTA] [makalah] [repo]
Menuju perbaikan program JavaScript dengan Transformator Terlatih Generatif (GPT-2) [2022-APR] [makalah] [repo]
Memperbaiki Bug dengan Transformer melalui Tata Bahasa Edit Neural-Simbolis [2022-ICLR] [makalah]
Pembuatan Patch dengan Model Bahasa: Kelayakan dan Perilaku Penskalaan [2022-ICLR] [makalah]
Bisakah kodeks OpenAI memperbaiki bug?: evaluasi pada QuixBugs [2022-APR] [makalah]
Analisis Kinerja Perbaikan Bug Otomatis ChatGPT [2022-APR] [paper] [repo]
Harap lebih sedikit pelatihan, lebih banyak perbaikan: meninjau kembali perbaikan program otomatis melalui pembelajaran zero-shot [2022-FSE/ESEC] [paer] [repo]
Perbaikan Program Framing sebagai Penyelesaian Kode [2022-APR] [makalah] [repo]
DEAR Pendekatan Baru Berbasis Pembelajaran Mendalam untuk Perbaikan Program Otomatis [2022-ICSE] [makalah] [repo]
Menghasilkan Perbaikan Bug Menggunakan Transformer Terlatih [2021-PLDI] [kertas]
Menerapkan CodeBERT untuk Perbaikan Program Otomatis Bug Sederhana Java [2021-MSR] [paper] [repo]
Terjemahan Mesin Neural Sadar Kode CURE untuk Perbaikan Program Otomatis [2021-ICSE] [makalah] [repo]
Bagaimana Memahami Seluruh Repositori Perangkat Lunak? [2024-arXiv] [makalah]
Perbaikan Otomatis Kode AI dengan Model Bahasa Besar dan Verifikasi Formal [2024-arXiv] [makalah]
NAVRepair: Perbaikan Kerentanan Kode C/C++ Sadar Tipe Node [2024-arxiv] [kertas]
Perbaikan Kerentanan Kode Otomatis yang Ditingkatkan menggunakan Model Bahasa Besar [2024-arxiv] [kertas]
Di Luar Penglihatan, Di Luar Pikiran: Perbaikan Kerentanan Otomatis yang Lebih Baik dengan Memperluas Rentang dan Sumber Masukan [2024-ICSE] [makalah] [repo]
Studi Perbaikan Kerentanan dalam Program JavaScript dengan Model Bahasa Besar [2024-arxiv] [paper] [repo]
Rantai Pemikiran yang Mendorong Model Bahasa Besar untuk Menemukan dan Memperbaiki Kerentanan Perangkat Lunak [2024-arxiv] [makalah]
Perbaikan Kerentanan Perangkat Lunak Otomatis Berbasis Model yang telah dilatih sebelumnya: Seberapa Jauh Kita? [2023-TDSC] [makalah] [repo]
Memeriksa perbaikan kerentanan zero-shot dengan model bahasa besar [S&P 2023] [makalah] [repo]
Studi Empiris tentang Menyempurnakan Model Kode Bahasa Besar untuk Perbaikan Program Otomatis [2023-ASE] [makalah] [repo]
Era Baru dalam Keamanan Perangkat Lunak: Menuju Perangkat Lunak Pemulihan Mandiri melalui Model Bahasa Besar dan Verifikasi Formal [2023-arxiv] [makalah]
Menjelajahi Batasan ChatGPT dalam Aplikasi Keamanan Perangkat Lunak [2023-arxiv] [makalah]
ZeroLeak: Menggunakan LLM untuk Patching Saluran Sampingan yang Skalabel dan Hemat Biaya [2023-arxiv] [kertas]
Bagaimana ChatGPT Memecahkan Masalah Manajemen Kerentanan [2023-arxiv] [paper] [repo]
Seberapa Efektif Jaringan Neural untuk Memperbaiki Kerentanan Keamanan [2023-ISSTA] [paper] [repo]
Perbaikan Kerentanan Otomatis Terinspirasi Vision Transformer [2023-TOSEM] [kertas] [repo]
Bisakah model bahasa besar menemukan dan memperbaiki perangkat lunak yang rentan? [2023-arxiv] [makalah]
VulRepair: Perbaikan Kerentanan Perangkat Lunak Otomatis Berbasis T5 [2022-FSE/ESEC] [kertas] [repo]
Pendekatan Baru untuk Perbaikan Program Otomatis menggunakan Terjemahan Pulang Pergi dengan Model Bahasa Besar [2024-arxiv] [makalah] [repo]
Perbaikan Hampir Generasi: Perbaikan Program Multibahasa dengan LLM [2023-AAAI] [makalah]
Memperbaiki Kesalahan Kompilasi Rust menggunakan LLM [2023-arxiv] [kertas]
Studi Empiris tentang Menyempurnakan Model Kode Bahasa Besar untuk Perbaikan Program Otomatis [2023-ASE] [makalah] [repo]
Rangkaian Solusi Berbasis AI untuk Menyelesaikan FQN dan Memperbaiki Kesalahan Sintaks di Kode Parsial [2023-arxiv] [paper] [repo]
Anjuran yang Tepat untuk Pekerjaan: Memperbaiki Cacat Tinjauan Kode dengan Model Bahasa Besar [2023-arxiv] [kertas]
SYNSHINE: peningkatan perbaikan Kesalahan Sintaks [2022-TSE] [makalah] [repo]
CraftRTL: Pembuatan Data Sintetis Berkualitas Tinggi untuk Model Kode Verilog dengan Representasi Non-Tekstual yang Benar Sesuai Konstruksi dan Perbaikan Kode yang Ditargetkan [2024-arXiv-NVIDIA] [kertas]
Pendekatan Debugging Terpadu melalui Sinergi Multi-Agen Berbasis LLM [2024-arXiv] [paper] [repo]
PyDex: Memperbaiki Bug dalam Penugasan Python Pengantar menggunakan LLM [2024-OOPSLA] [kertas] [repo]
DebugBench: Mengevaluasi Kemampuan Debugging Model Bahasa Besar [2024-arxiv] [makalah] [repo]
ContrastRepair: Meningkatkan Perbaikan Program Otomatis Berbasis Percakapan melalui Pasangan Kasus Uji Kontras [2024-arxiv] [kertas]
ConDefects: Kumpulan Data Baru untuk Mengatasi Kekhawatiran Kebocoran Data untuk Lokalisasi Kesalahan dan Perbaikan Program berbasis LLM [2024-arxiv] [makalah] [repo]
Perbaikan dengan Bantuan Sejawat: Memberdayakan Model Bahasa Besar untuk Memperbaiki Tugas Siswa Tingkat Lanjut [2024-arxiv] [makalah]
Peningkatan Metode Perbaikan Program menggunakan Refactoring dengan Model GPT [2024-SIGCSE TS] [paper] [repo]
Tinjauan kritis model bahasa besar pada rekayasa perangkat lunak: Contoh dari chatgpt dan perbaikan program otomatis [2023-arxiv] [kertas] [repo]
Perbaikan Otomatis Program dari Model Bahasa Besar [2023-ICSE] [makalah] [repo]
FixEval: Evaluasi Perbaikan Program Berbasis Eksekusi untuk Masalah Pemrograman [2023-APR] [makalah] [repo]
Menyempurnakan Kode yang Dihasilkan ChatGPT: Mengkarakterisasi dan Mengurangi Masalah Kualitas Kode [2023-TOSEM] [makalah] [repo]
Memperbaiki bug dalam tugas python menggunakan model bahasa besar [2022-arixv] [kertas]
Frustrasi dengan Masalah Kualitas Kode? LLM dapat Membantu! [2024-FSE/ESEC] [makalah] [repo]
SkipAnalyzer: Agen Terwujud untuk Analisis Kode dengan Model Bahasa Besar [2023-arxiv] [paper] [repo]
RAP-Gen: Pembuatan Patch Retrieval-Augmented dengan CodeT5 untuk Perbaikan Program Otomatis [2023-FSE/ESEC] [kertas] [repo]
InferFix: Perbaikan Program End-to-End dengan LLM melalui Retrieval-Augmented Prompts [2023-FSE/ESEC] [paper] [repo]
Bisakah LLM Menambal Masalah Keamanan [2023-arxiv] [kertas] [repo]
Meningkatkan Perbaikan Program Otomatis dengan Adaptasi Domain [2023-TOSEM] [paper] [repo]
Studi empiris tentang perbaikan program berbasis pembelajaran transfer mendalam untuk proyek Kotlin [2022-FSE/ESEC] [makalah]
TFix-Belajar Memperbaiki Kesalahan Pengkodean dengan Transformator Teks-ke-Teks [2021-PMLR] [kertas] [repo]
Dari Kode Menuju Kebenaran: Menutup Tahap Terakhir Pembuatan Kode dengan Debugging Hierarki [2024-arXiv] [makalah] [repo]
Mengajarkan Model Bahasa Besar untuk Melakukan Debug Mandiri [2024-ICLR] [makalah]
OpenCodeInterpreter: Mengintegrasikan Pembuatan Kode dengan Eksekusi dan Penyempurnaan [2024-arxiv] [paper] [repo]
CYCLE: Belajar Memperbaiki Sendiri Pembuatan Kode [2024-OOPSLA] [makalah] [repo]
LDB: Debugger Model Bahasa Besar melalui Memverifikasi Eksekusi Runtime Langkah demi Langkah [2024-arxiv] [paper] [repo]
Memanfaatkan Print Debugging untuk Meningkatkan Pembuatan Kode dalam Model Bahasa Besar [2024-arxiv] [paper]
SelfEvolve: Kerangka Evolusi Kode melalui Model Bahasa Besar [2023-arxiv] [makalah]
Penyempurnaan Mandiri: Penyempurnaan Berulang dengan Umpan Balik Mandiri [2023-NeurIPS] [makalah] [repo]
AgentCoder: Pembuatan Kode Multi Agen dengan Pengujian dan Optimasi Iteratif [2023-arxiv] [kertas]
Edit Mandiri: Editor Kode Sadar Kesalahan untuk Pembuatan Kode [2023-ACL] [makalah] [repo]
Apakah Perbaikan Mandiri adalah Peluru Perak untuk Pembuatan Kode? [2023-ICLR] [makalah] [repo]
Pengetahuan Domain Penting: Meningkatkan Perintah dengan Templat Perbaikan untuk Memperbaiki Kesalahan Tipe Python [2024-ICSE] [makalah] [repo]
PyTy: Memperbaiki Kesalahan Tipe Statis dengan Python [2024-ICSE] [kertas] [repo]
Debugging Kesalahan Tipe Bertenaga GPT-3: Menyelidiki Penggunaan Model Bahasa Besar untuk Perbaikan Kode [2023-SLE] [makalah] [repo]
Memandu ChatGPT untuk Memperbaiki Pengujian UI Web melalui Pemeriksaan Konsistensi Penjelasan [2023-arxiv] [kertas]
ACFIX: Memandu LLM dengan Praktik RBAC Umum yang Ditambang untuk Perbaikan Kerentanan Kontrol Akses yang Sadar Konteks dalam Kontrak Cerdas [2024-arxiv] [makalah]
Mengevaluasi ChatGPT untuk Koreksi Kerentanan Kontrak Cerdas [2023-COMPSAC] [makalah] [repo]
Tentang Perbaikan Kode Bug Keamanan Perangkat Keras Dengan Meminta Model Bahasa Besar [2024-TIFS] [kertas] [repo]
Pra-cetaknya: Memperbaiki Bug Keamanan Perangkat Keras dengan Model Bahasa Besar [2022-arXiv] [kertas]
HDLdebugger: Menyederhanakan debugging HDL dengan Model Bahasa Besar [2024-arxiv] [kertas]
RTLFixer: Secara Otomatis Memperbaiki Kesalahan Sintaks RTL dengan Model Bahasa Besar [2023-arxiv] [kertas]
LLM4SecHW: Memanfaatkan model bahasa besar khusus domain untuk debugging perangkat keras [2023-AsianHOST] [makalah]
RAPGen: Pendekatan untuk Memperbaiki Inefisiensi Kode di Zero-Shot [2023-arxiv] [paper]
DeepDev-PERF: Pendekatan Berbasis Pembelajaran Mendalam untuk Meningkatkan Kinerja Perangkat Lunak [2022-FSE/ESEC] [makalah] [repo]
Mengevaluasi Model Bahasa Terlatih untuk Memperbaiki Penyalahgunaan API [2023-arxiv] [paper] [repo]
Menyelesaikan Crash Bugs melalui Model Bahasa Besar: Sebuah Studi Empiris [2023-arxiv] [makalah] [repo]
Perbaikan Kasus Uji Otomatis Menggunakan Model Bahasa [2024-arxiv] [kertas]
Identifikasi dan Perbarui Kasus Uji ketika Kode Produksi Berubah: Pendekatan Berbasis Transformer [2023-ASE]
Baldur: Pembuatan dan Perbaikan Seluruh Bukti dengan Model Bahasa Besar [2023-FSE/ESEC] [makalah]
Hilang dalam Terjemahan: Studi tentang Bug yang Diperkenalkan oleh Model Bahasa Besar saat Menerjemahkan Kode [2024-ICSE] [makalah] [repo]
SWE-bench: Dapatkah Model Bahasa Menyelesaikan Masalah GitHub di Dunia Nyata? [2024-ICLR] [makalah] [repo]
Menjelajahi Potensi ChatGPT dalam Penyempurnaan Kode Otomatis: Studi Empiris [2024-ICSE] [makalah] [repo]
DrPlanner: Diagnosis dan Perbaikan Perencana Gerak Menggunakan Model Bahasa Besar [2024-arxiv] [kertas] [repo]
Menjelajahi Pengalaman dengan Perbaikan Program Otomatis dalam Praktek [2024-ICSE] [makalah]
Meninjau Kembali Ketidakwajaran untuk Perbaikan Program Otomatis di Era Model Bahasa Besar [2024-arxiv] [papper] [repo]
Studi Empiris tentang Adopsi ChatGPT untuk Perbaikan Bug di Kalangan Pengembang Profesional [2023-ITA] [makalah]
Memanfaatkan Model Bahasa Besar untuk Penilaian Kebenaran Patch Otomatis[2024-TSE] [makalah]
APPT Meningkatkan Prediksi Koreksi Patch Otomatis melalui Model Bahasa Terlatih [2024-TSE] [makalah] [repo]
Yang Terbaik dari Kedua Dunia: Menggabungkan Embeddings yang Dipelajari dengan Fitur Rekayasa untuk Prediksi Akurat atas Patch yang Benar [2023-TOSME] [makalah] [repo]
Invalidator: Penilaian Kebenaran Patch Otomatis melalui Penalaran Semantik dan Sintaksis [2023-TSE] [makalah] [repo]
PatchZero: Penilaian Kebenaran Patch Otomatis Zero-Shot [2023-arxiv] [kertas]
Apakah Ini Mengubah Jawaban Masalah Itu? Deskripsi Korelasi Perubahan Bug dan Kode untuk Mengevaluasi Kebenaran Patch [2021-ASE] [paper] [repo]
Mengevaluasi pembelajaran representasi perubahan kode untuk memprediksi kebenaran patch dalam perbaikan program [2020-ASE] [makalah] [repo]
Menjelajahi Penyempurnaan Parameter-Efisien Model Bahasa Besar pada Perbaikan Program Otomatis[2024-ASE] [makalah]
MuBench: Perbaikan Program Otomatis Pembandingan: Studi Ekstensif tentang Bug di Dunia Nyata dan Bug Buatan [2024-ISSTA] [makalah]
CodeEditorBench: Mengevaluasi Kemampuan Pengeditan Kode Model Bahasa Besar [2024-arxiv] [makalah] [repo]
GitBug-Java: Tolok Ukur Bug Java Terbaru yang Dapat Direproduksi [2024-arxiv] [paper] [repo]
SWE-bench: Dapatkah Model Bahasa Menyelesaikan Masalah GitHub di Dunia Nyata? [2024-ICLR] [makalah] [repo]
DebugBench: Mengevaluasi Kemampuan Debugging Model Bahasa Besar [2024-arxiv] [makalah] [repo]
ConDefects: Kumpulan Data Baru untuk Mengatasi Kekhawatiran Kebocoran Data untuk Lokalisasi Kesalahan dan Perbaikan Program berbasis LLM [2024-arxiv] [makalah] [repo]
Tinjauan kritis model bahasa besar pada rekayasa perangkat lunak: Contoh dari chatgpt dan perbaikan program otomatis [2023-arxiv] [kertas] [repo]
CodeScope: Tolok Ukur Multidimensi Multitugas Multibahasa Berbasis Eksekusi untuk Mengevaluasi LLM pada Pemahaman dan Pembuatan Kode [2023-arxiv] [makalah] [repo]
FixEval: Evaluasi Perbaikan Program Berbasis Eksekusi untuk Masalah Pemrograman [2023-APR] [makalah] [repo]
Survei Perbaikan Program Otomatis Berbasis Pembelajaran [2023-TOSEM] [makalah] [repo]
Perbaikan Perangkat Lunak Otomatis: Makalah Bibliografi [2018-CSUR]]
Perbaikan Perangkat Lunak Otomatis: Makalah Survei [2017-TSE]]
